[发明专利]一种基于样例选择的增量目标识别方法

权利要求书

1.一种基于样例选择的增量目标识别方法，其特征在于，包括以下步骤：

步骤1、对特征空间的一个训练样本x_i，通过与类内其他样本距离的计算，得到它的类内最近邻的k个样本{x_ij,j＝1,…,k}；

步骤2、计算以x_i为起点的最近邻的k个样本的方向向量{v_ij,j＝1,…,k}：

v_ij＝x_ij-x_i

步骤3、计算训练样本x_i处的梯度方向向量v_i：

其中||·||代表向量的2范数；

步骤4、计算训练样本x_i的每一个近邻样本的方向向量与梯度方向向量v_i的内积{θ_ij,j＝1,…,k}：

θ_ij＝v_i^Tv_ij

步骤5、计算训练样本x_i的k个近邻样本分布在切平面一侧，即梯度方向向量v_i同侧的比率l_i：

其中，I(·)函数的定义是，括号内的判断为正确则值为1，反之为0；

步骤6、判断训练样本x_i是否为边界样本，x_i为边界样本的条件如下：

l_i≥1-γ

其中，γ为人工设定的常量参数，取值范围为0～0.2；

若x_i是边界样本，则将其提取到边界样本集合{e_t,t＝1,…,N}中，并进入步骤7，N为边界样本的数目；若x_i不是边界样本，则不做选择，返回步骤1处理同类的下一个训练样本；

步骤7、对于每一个边界样本e_t进行羊群效应的拓展，假设e_t作为羊头的M个羊群点的集合为{p_m,m＝1,...,M}，羊群点的选择范围为同类样本中的其他样本，迭代公式如下：

其中，||·||代表向量的2范数，迭代规则为：每次选择一个类内的非羊头样本x_i加入羊群点集合{p_m}中，添加依据为，求羊群集合已有样本和每一个待选择样本{x_i,x_i≠e_t}的均值，然后用此均值样本和e_t计算距离，距离最小的x_i加入羊群，设定最终样例数量K作为迭代终止条件，每迭代一次统计最终的样例数量，剔除不同边界样本羊群中的重复样本以后，若总数量达到K则停止，没有达到则继续迭代，最终得到包含K个样例的边界样本集；

步骤8，对已有训练样本集的每个类别实施步骤1-7，假设类别数为C，选择出已有训练样本集的样例集，样例数目为(C×K)，当新类别训练样本到来时，仅使用(C×K)个已有样例与新样本合并训练分类器，完成已有类别和新类别待识别样本的分类识别。